未经本人同意 请务转载 David QQ:435398366
0、前言
最近智能音响、AI蓝牙耳机、语音助手、翻译机器很火呀，为了跟上时代的步伐，我最近也开始语音相关的开发工作。
1、PCM
PCM(Pulse Code Modulation)，脉冲编码调制。
PCM是把声音从模拟信号转化为数字信号的技术，把一个时间连续取值连续的模拟信号变换成时间离散取值离散的数字信号，模拟信号转化为数字信号需要三个步骤：采样、量化、编码。
1.1、采样
采样用一个固定的频率对模拟信号进行提取样值。
常用采样率为8KHz,16kHz,22.05kHz，32kHz,44.1kHz,48kHz,192kHz。
人耳能够感觉到的最高频率为20kHz，要满足人耳的听觉要求，根据奈奎斯特采样定律则，需要每秒进行40k次采样，即40kHz。
8Khz的采样率就可以达到人的对话程度，通常电话的采样率为8kHz/16kHz。
常见的无线电广播采样率为22.05KHz，CD采样率为44.1kHz，DVD采样率为48kHz，Hi-Res音频采样率为192kHz
1.2、量化编码
量化编码就是把采样得到的声音信号幅度转换成数字值。这个过程会产生失真，量化的精度越高失真越小。常见的量化位数为8bit,16bit,24bit。
PCM约定俗成为无损编码，因为PCM代表了数字音频中最佳的保真水准，并不意味着PCM就能够确保信号绝对保真，PCM也只能做到最大程度的无限接近。
2、DPCM
DPCM（Differential Pulse Code Modulation），差分脉冲编码调
PCM是不压缩的，通常数据量比较大，存储和通讯都必需付出比较大的代价，早期的通讯是不能传输那么大的数据量的，所以就要想办法把数据压缩一下，以减少带宽和存储的压力。
假设我们以8kHz的采样率，16bit量化编码，则1秒的数据量为8000 * 16 = 128000 bit 。一般音频信息都是比较连续的，不会突然很高或者突然很低，两点之间差值不会太大，所以这个差值只需要很少的几个位（比如4bit）即可表示。这样，我们只需要知道前一个点的值，又知道它与下一个点的差值，就可以计算得到下一个点了。这个差值就是所谓的Differential ，将PCM数据转成DPCM数据，数据里会小很多，如上面所说的用4bit的表示差值，则1秒的(8kHz采样率16bit量化编码)PCM数据转成DPCM则只需要大约32000bit , 压缩比大约4:1。
3、ADPCM
ADPCM(Adaptive Differential Pulse Code Modulation)、自适应差分脉冲编码调
音频信号虽然是比较连续性的，有些差值比较小，有些差值比较大，如果差值比较大有可能用4bit表示不了，如果增大表示差值的位数（例如8bit16bit）是可以解决这个问题，但就导致数据量变大，没起到压缩的目的，而且这种差值比较大的只是少数，大部分还是差值比较小的。
为了解决这个问题，前辈们就想出了ADPCM，定义一个因子，用差值除以因子的值来表示两点之差，如果两点之间差值比较大，则因子也比较大。通过因子引入，可以使得DPCM编码自动适应差值比较大的数据。
ADPCM算法并没用固定标准，最经典的就是IMA ADPCM
4、G.726
G.726是ITU-T定义的音频编码算法。1990年 CCITT（ITU前身）在G.721和G.723标准的基础上提出。G.726算法实质就是一个ADPCM。
5、参考
https://blog.csdn.net/evanwu_85/article/details/5722041
http://www.21ic.com/evm/audio/201709/737472.htm
https://blog.csdn.net/llljjlj/article/details/80282910
https://blog.csdn.net/xxxluozhen/article/details/5262852
https://blog.csdn.net/chinadragon76/article/details/22917003
https://blog.csdn.net/ghj1976/article/details/3222
https://blog.csdn.net/huang20083200056/article/details/78508479
https://blog.csdn.net/wzz4420381/article/details/48812729
未经本人同意 请务转载 David QQ:435398366